单幅图像中的雾霾去除算法研究开题报告

全文总字数：4706字

1. 研究目的与意义（文献综述）

由于人类社会大量地向自然界投放有害垃圾，造成自然界的空气污染，就此形成了霾。而雾则常常出现在潮湿寒冷的季节。霾和雾相结合，就此产生了雾霾。雾霾是一种常见的天气现象，在这种天气下能见度很低，严重阻碍户外成像设备的使用，拍摄出来的图像模糊不清，无法供人们使用和分析，在很多紧急情况下严重干扰人们对事件的分析效率。因此，解决雾霾图像的去雾问题刻不容缓，这也是国内外近年来的一个研究热点。

图像去雾是一个公认的比较困难的问题，在很多情况下是一个欠适定的问题，因此近年来国内外主要采用的是利用多张图片或者额外信息来实现去雾效果。同时，针对单张或多张图片去雾的方法往往也各不相同。

目前主要有基于传统和基于深度学习的两种去雾方法。在传统的去雾方法中，主要是基于先验知识再利用大气散射模型进行求解的研究。其中最著名的是09年cvpr的best paper，何凯明博士的暗通道先验方法。何凯明博士通过大量实验观察到一个先验理论：在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值。换言之，该区域光强度的最小值是个很小的数。对于任意的输入图像，其暗通道可以表达出来。由此便可以作为一个重要条件，通过大气散射模型计算出透射率。这篇论文在图像去雾算法里具有里程碑式的意义。

2. 研究的基本内容与方案

本选题将以传统的去雾方法作为基础进行研究，围绕大气散射模型的欠适定问题，提出一定的解决方案，并结合现有的深度学习方法，对模型中的透射率和大气光数值进行有效和合理的计算，旨在以简洁和高效的方法对单幅图像进行去雾处理。

在计算机视觉和计算机图形中，下述方程所描述的大气散射模型被广泛使用：

ix=j(x)t(x) a(1-t(x))，

3. 研究计划与安排

(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；

(3)2020/5/1—2020/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] r. t.tan, “visibility in bad weather from a single image,” in 26th ieeeconference on computer vision and pattern recognition, cvpr, 2008, doi:10.1109/cvpr.2008.4587643.

[2] r.fattal, “single image dehazing,” acm trans. graph., 2008, doi:10.1145/1360612.1360671.

[3] k. he,j. sun, and x. tang, “single image haze removal using dark channel prior,” ieeetrans. pattern anal. mach. intell., 2011, doi: 10.1109/tpami.2010.168.